Когда дело доходит до работы, у меня есть стандартный распорядок: я включаю музыку, готовлю кофе, регулярно посещаю некоторые веб-сайты, а затем начинаю работать.
Эти привычки не ограничиваются моей утренней рутиной. У меня также есть свободное время и режим сна, и все они включают серфинг в Интернете, посещение некоторых веб-сайтов, которые я считаю полезными, и некоторых интернет-магазинов, в которых я обычно покупаю.
У вас могут быть другие процедуры, но на самом деле это мои установленные шаблоны. И раньше я ненавидел получать рекламу, рекомендующую некоторые онлайн-товары, которые я в конечном итоге покупаю, но теперь я понимаю, почему, и это совершенно нормально!
Это случилось и с вами? Внезапно все рекламные акции, которые вы получаете, именно то, что вы ищете!? И вы спрашиваете себя: как этот сайт узнал, что я ищу такие вещи?!
Ну… Вообще-то, вы стали мишенью!
Ты серьезно, Аманда? Вы имеете в виду, что не все, кто посещает этот интернет-магазин, получают одинаковые маркетинговые сообщения?
Нет, не совсем! Не волнуйтесь, никто не наблюдает за вами, но каким-то образом вы уже предоставили информацию о том, что ищете. Вам не кажется? Позвольте мне показать вам, как!
В прошлый понедельник вы открыли свой Instagram и искали «походные тропы рядом со мной», помните? Вот так вы и получили рекламу, в которой рекомендовали походные ботинки, которые вы только что заказали!
Ммм… Это вообще возможно? Может ли этот интернет-магазин понять из моего поискового запроса, что я иду в поход и мне могут понадобиться новые ботинки?
Точно!
Проще говоря, некоторые маркетинговые сообщения можно классифицировать как «один размер подходит всем», подобно футболке одного размера. Другие маркетинговые сообщения уникальны, или, другими словами, персонализированы, это Персонализированный маркетинг, отправляющий нужное сообщение нужному человеку в нужное время!
Для вас, как покупателя, чем больше вы чувствуете, что кто-то понимает ваши потребности, тем больше вы предвзято относитесь к его магазину! Это просто делается путем сбора данных из вашего браузера, чтобы научить алгоритм искусственного интеллекта тому, что вам нравится или не нравится, на основе посещений вашего веб-сайта и поисковых запросов с течением времени, чтобы предсказать ваши предпочтения и отправить вам рекламу, которая может вас заинтересовать.
Прежде чем мы продолжим, давайте посмотрим, что мы будем освещать в этом блоге:
- Как ИИ меняет опыт покупок?
- Статистика и факты об использовании ИИ в электронной коммерции
- Какие приложения ИИ уже используются в электронной коммерции?
- Как ИИ расширяет возможности поиска изображений?
Поверьте мне, это проще, чем вы думаете, просто наберитесь терпения!
Можем ли мы полагаться на ИИ для улучшения качества покупок?
В электронной коммерции искусственный интеллект дает возможность понять клиентов, предлагая им лучший опыт покупок и более осуществимую маркетинговую стратегию для розничных продавцов, которая минимизирует их затраты и привлекает больше клиентов, увеличивая их прибыль!
Ну, это звучит хорошо, но все еще не ясно, верно?
Проще говоря, машины могут учиться только на собранных данных. Когда девушка ищет черное длинное платье и туфли на каблуках, она, скорее всего, порекомендует клатч вместо рюкзака. Но что, если эта сумочка точно соответствует ткани платья? Она не колеблясь закажет его! Это «эффект Дидро», когда покупатель делает дополнительные покупки, чтобы завершить общую картину.
Именно это и делает ИИ. Выявляя определенную закономерность в поисковом запросе, анализируя ее клики, вероятность совершения дополнительных покупок, ее корзину покупок и т. д. Алгоритм способен предугадывать ее потребности, и поэтому все довольны!
Все еще сомневаетесь? Цифры не врут!
Знаете ли вы, что Amazon начала заниматься электронной коммерцией в 1995 году, но начала получать прибыль в 2003 году и сегодня считается крупнейшим магазином электронной коммерции? По данным Rejoiner, 35% общего дохода Amazon приходится на систему рекомендаций.
Что касается ASOS, известного ритейлера модной одежды, его годовая прибыль увеличилась на 28% в 2018 году. Секрет его истории успеха заключается в том, что он сделал шаг к диалоговым интерфейсам на основе искусственного интеллекта. Клиенты в Великобритании могут использовать Google Assistant, чтобы перейти к Enki, руководству по покупкам ASOS, сказав: «Привет, Google, поговори с ASOS».
Точно так же внедрение решений ИИ, таких как роботы, для улучшения складских операций в JD удвоило количество онлайн-заказов в 2015 году (по сравнению с 2014 годом), которые достигли 1,26 миллиарда, 85% из которых были доставлены в течение двух дней! И список продолжается…
Глубокое понимание
Давайте углубимся…
Каждый щелчок, просмотр, лайк и поисковый запрос предоставляют данные системе рекомендаций. Вот пример, когда покупателю нравятся три следующих изображения и как на самом деле понимаются эти взаимодействия.
Теперь система рекомендаций ищет коричневые туфли на каблуке с пряжками и порекомендует идеальное сочетание! Таким образом, пользователь получает что-то вроде этого:
Но как он извлекал информацию? Теперь мы подошли к самой пикантной части!
Онлайн-активности могут предоставлять три типа информации:
- Взаимоотношения пользователя и продукта
Эта связь возникает, когда клиент склонен покупать определенные продукты. Например, спортсмен может предпочесть продукты Adidas или здоровую пищу, и поэтому веб-сайт в конечном итоге выстраивает такую связь, как Спортсмен → Adidas.
2. Отношения между продуктами
Здесь предметы, имеющие схожие характеристики, сгруппированы вместе, такие как «итальянские блюда», «крышки с черепаховым вырезом», «деревянные тумбы под телевизор»…
3. Отношения между пользователями
Этот тип отношений возникает, когда похожие клиенты, как правило, имеют схожие вкусы в отношении определенного продукта, поэтому алгоритм строит отношения следующим образом: клиенты, которые имеют одинаковый опыт (например, искусство), с большей вероятностью купят топы неоновых цветов.
С помощью алгоритмов ИИ система может сопоставлять эти отношения с другой информацией, такой как данные о поведении пользователей, демографические данные и атрибуты продукта, чтобы лучше понять потребности клиента.
Больше приложений? Продолжай читать…
Компании и ритейлеры все больше и больше полагаются на ИИ разными способами. Давайте посмотрим на некоторые реализации ИИ в электронной коммерции:
- Виртуальные помощники. Что может быть лучше, чем иметь кого-то или что-то, что может помочь вам найти то, что вы ищете? Бренд North Face использует Watson, компьютерную систему ответов на вопросы, которая задает клиентам несколько вопросов и сопоставляет ответы с различными данными, такими как погодные условия, чтобы найти идеальную куртку.
- Тегирование товаров. Каждый товар в интернет-магазине уникален и имеет собственное описание (цвет, текстура, размер, повседневность и т. д.). Эти теги не только помогают покупателям находить определенные товары, но и улучшают организацию магазина, например, имея «Аксессуары» в качестве категории и «Колье» в качестве подкатегории.
- Прогнозирование тенденций. Хотите верьте, хотите нет, но искусственный интеллект действительно может предсказывать будущее моды! Фактически, RushOrderTees, технологическая компания по производству одежды на заказ, использует ИИ не только для разработки новой одежды, но и для прогнозирования того, что люди будут носить в 2030 году!
Одна картинка стоит тысячи слов!
Сколько раз вы можете представить что-то уникальное в своей голове, но не можете точно это описать? Я имею в виду, что непросто описать солнцезащитные очки с уникальным рисунком! Но что, если веб-сайты электронной коммерции обновят свои поисковые стратегии для поддержки изображений?!
Подожди... ты имеешь в виду, что я могу просто загрузить изображение того, что ищу? Да, точно!
Вот как это работает: процесс разделен на две фазы: онлайн-этап и офлайн-этап.
Автономный этап. На этом этапе каталог компании, содержащий все изображения продуктов, передается алгоритму машинного обучения, который извлекает информацию, представляющую функции, связанные с продуктом. Таким образом, мы получаем модель, способную выполнять задачу извлечения признаков, и список векторов признаков.
Этап онлайн. Когда клиент загружает изображение, модель машинного обучения извлекает из изображения функции. Что нам нужно сделать сейчас? Найдите похожий вектор признаков из списка, который у нас уже есть, и, следовательно, выведите похожие изображения! Посмотрите, как это просто!
На самом деле приложение IKEA Place поддерживает поиск изображений, при котором покупатели могут просто навести камеру на предмет мебели, а движок попытается найти похожие предметы, и не только это, но и дает возможность использовать технологию AR (дополненной реальности), чтобы увидеть, как это выглядит. выглядит на своем месте!
Заключение
Ну вот и все, давайте закругляться!
В этом блоге мы увидели, как ИИ формирует электронную коммерцию, стремясь лучше понять клиентов и улучшить их покупательский опыт, анализируя миллиарды взаимодействий каждый день. Алгоритмы ИИ могут обнаруживать существующие отношения между клиентами, имеющими схожие интересы, клиентами, предпочитающими продукты с определенными функциями, продукты, принадлежащие к одним и тем же кластерам, и многое другое.
И теперь, когда вы понимаете причину этих персонализированных маркетинговых сообщений, я уверен, что вы знаете, что вам следует это проверить!
Поэтому будьте осторожны, когда ставите лайк или ищете продукт… кто-то наблюдает за вами 👀
Не забудьте поддержать аплодисментами!
Вы можете присоединиться к нашей работе в Zaka и помочь демократизировать ИИ в своем городе! Свяжитесь с нами и дайте нам знать.
Чтобы узнать больше о Zaka, посетите www.zaka.ai
Подпишитесь на нашу рассылку и следите за нами в наших аккаунтах в социальных сетях, чтобы быть в курсе наших новостей и мероприятий:
